چکیده: در این پایان نامه یک مدل شبکه عصبی برای حل مسائل برنامه ریزی مخروطی مرتبه دوم محدب و سپس حل مسائل بهینه سازی سبدسهام در فضای احتمال- اعتبار ارائه می شود. در ابتدا در فصل اول به مرور مقدمات و مفاهیم اولیه ریاضی و مالی و در فصل دوم مفاهیم فازی و نظریه اعتبار پرداخته شده است. در فصل سوم نیز مقدمه ای بر شبکه های عصبی بازگشتی ارائه شده است. در فصل چهارم شرایط بهینگی را برای مسأله بهینه سازی مورد نظر بررسی کرده و سپس یک مدل شبکه عصبی متناظر با آن طراحی شده است. نشان می دهیم نقطه تعادل شبکه عصبی معادل جواب بهینه مسأله اصلی است، همچنین مدل شبکه عصبی پیشنهادی پایدار لیاپانوف است و به صورت سراسری به جواب بهینه همگراست. در فصل آخر با معرفی فضای احتمال- اعتبار به حل مسأله بهینه سازی سبدسهام توسط مقدار ریسک موازنه(ERV) می پردازیم. مسأله سبدسهام به صورت یک مدل مقدار موردانتظار (EV) فازی- تصادفی در معرض محدودیت ERV ساخته می شود. آن را مدل ERV − EV می نامیم. مدل ERV − EV یک مسأله برنامه ریزی محدب است. نتایج محاسباتی نشان می دهد که روش بهینه سازی موازنه در مقایسه با روش بهینه سازی تصادفی از منظر تنوع بهتر است.